Oleh :
Metode Inversi
Paramete
r Model
Forward Modifika
Modellin si
g Paramete
No
Data Data
Perhitunga Fit? Lapangan
n
Yes
Model
Pemodelan Inversi adalah proses untuk memperoleh parameter model dari data.
Pemodelan inversi sering disebut juga sebagai data fitting karena dalam prosesnya
dicari parameter model yang menghasilkan respon yang cocok dengan data
pengamatan. Tentunya dalam pemodelan inversi, hubungan antara parameter moodel
dengan data perlu diketahui terebih dahulu untuk bisa melanjutkan proses. Dalam
pemodelan geofisika secara umum perlu dicatat bahwa hasil model bukan hasil yang
unik. Hal ini dikarenakan suatu respon yang kita ingin dapatkan bisa dibentuk dari
beberapa kombinasi model yang berbeda. Ketidak-unikan solusi ini bisa terjadi karena
3 hal, yaitu sifat fisika yang ditinjau, noise, dan kurangnya jumlah data.
Salah satu proses pemodelan ke depan dan inversi dalam geofisika adalah
pengolahan data gaya berat. Dalam data gaya berat, parameter model adalah densitas
anomali di bawah permukaan. Sementara parameter data adalah respon gravitasi pada
daerah pengukuran. Dalam proses pemodelan ke depan yang linier, matriks kernel
disusun oleh parameter volume bola (kasus bola homogen), konstanta gravitasi, posisi
anomali, serta densitas anomali. Kali ini akan digunakan data sintetis atau coba-coba
untuk mendapatkan respon gravitasi pada daerah pengukuran. Nantinya nilai yang
sudah didapatkan akan dikembalikan lagi dengan proses inversi untuk mendpatkan
parameter model. Dalam percobaan kali ini juga akan dilakukan 2 variasi dalam proses
inversi yaitu dengan dan tanpa pembobotan. Langkah pengerjaan pada percobaan kali
ini adalah sebagai berikut:
Gambar 1.3 Skema Percobaan, dimana (1) adalah proses Forward Modelling, (2) merupakan
proses inversi tanpa pembobotan, dan (3) merupakan proses inversi dengan pembobotan
Script dan Pembahasan
Script Keterangan
%FORWARD MODELLING
Forward modelling
%KERNEL menggunakan kernel ,
FOR I=1:N_X; perhitungan
FOR J=1:N_M; G_Calculation dalam
mgal
G(I,J)=KONS_G*((4/3)*PI*R^3).*(Z_M(J))*10^5/((XLIN(I)- 4
( )𝜋𝑅 , 𝑧. 𝜌
𝑔" (𝑥) = 𝐺 3
X_M(J)).^2+(Z_M(J)).^2)^(3/2); ,
((𝑥 − 𝑥.)1 + (𝑧 − 𝑧. )1 )1
END
END
%INISIASI
TAU=0.5;
C1=0.0001; Iterasi dan penghitungan
ALPHA=0.9; error
NITER=100000;% ITERASI MAKSIMAL
EHIST = ZEROS(NITER+1,1); %ERROR
%MODEL AWAL
MGO = ONES(N_M,1);
FIGURE(2)
SUBPLOT(3,1,1);
HOLD ON; Plotting dari model hasil
SET(GCA,'LINEWIDTH',2); iterasi
PLOT(XLIN,DTRUE,'K-','LINEWIDTH',6);
XLABEL('X');
YLABEL('G OBS');
% PERCOBAAN DAN ERROR AWAL NYOBA EROR AWAL SAMA
PERHITUNGANNYA
DGO = G*MGO; %G KIERNEL
EGO = (DTRUE-DGO)'*(DTRUE-DGO);
DEDMO = -2*(G'*(DTRUE-DGO)); %BACKSTEP Percobaan dan eror awal
EHIST(1) = EGO;%SAVE ERROR 1 dengan perhitungan
FIGURE(2)
SUBPLOT(3,1,1)
PLOT(XLIN,DGO,'G:','LINEWIDTH',3);
%GRADIENT SOLUTION
FOR K = [1:NITER]
V = -DEDMO / SQRT(DEDMO'*DEDMO);
% UPDATE DATA
MGO=MG;
DGO = DG;
EGO = EG;
DEDMO = DEDM;
EHIST(K+1) = EGO;
FPRINTF('%D ITERATIONS\N',K);
%PLOT ERROR
SUBPLOT(3,1,3);
SET(GCA,'LINEWIDTH',2);
HOLD ON;
PLOT([1:K],LOG10(EHIST(1:K)/EHIST(1)),'K-
','LINEWIDTH',3);
XLABEL('ITERATION');
YLABEL('LOG10 ERROR, E');
Percobaan ini dilakukan untuk menunjukkan bahwa permodelan ninversi linier dapat
dilakukan pada data gravitasi dan untuk membandingkan hasil dari pemodelan sintetik
dengan permodelan inversi dengan anomali berbentuk bola. Pertama, dilakukan
permodelan sintetik atau permodelan data observasi dengan parameter sebagai berikut,
• Konstanta gravitasi : 𝐺 = 6.67 × 109::
• Jari-Jari Bola (R) = 40
• Densitas bola = 100 ; 550 ; 800 ; 300 (densitas akan memengaruhi bentuk kurva
model gravity)
• Posisi pusat bola:
Jarak : 𝑥. = 200 ; 400 ; 750 ; 800
Kedalaman : 𝑧. = 200 ; 100 ; 350 ; 150
Parameter untuk kurva observasi awal adalah sebagai berikut,
Posisi lintang:
xlin = 50-950 dengan interval 50 (xlin = 50:50:950)
zlin : untuk kedalaman, grafik kurva dianggap nol terlebih dahulu sehingga zlin ditulis
zlin= zeros(length(xlin),1). Nilai kurva akan diperoleh dari persamaan berikut,
4
(3)𝜋𝑅, 𝑧. 𝜌
𝑔" (𝑥) = 𝐺 ,
((𝑥 − 𝑥. )1 + (𝑧 − 𝑧. )1 )1
Dimana 𝑔" (𝑥) = g_obs, x = xlin, dan z = zlin. Persamaan di atas dikali 105 untuk
mengubah satuan dari m/s2 menjadi miliGal (1miliGal = 10-5 m/s2).
Nilai
Iterasi Plot
Inisiasi Ggrad Plot Error
Pendekat Respon
Matriks Keseluruha Keseluruha
an Ggrad (30)
Error n Iterasi n Iterasi
Gradien dan Akhir
Gambar 2.1 Skema Pengerjaan Pendekatan Metode Gradien, dimana Ggrad0 merupakan
respon gravitasi pada awal metode gradien dan Ggrad(30) merupakan respon gravitasi